别名方法是从不变的清单中提取大量替代样品的最快方法之一。核心直觉是，我们可以为加权列表创建一组大小相等的bin，可以通过位操作非常有效地建立索引，从而避免了二进制搜索。事实证明，正确完成后，我们只需要在每个bin中存储原始列表中的两个项目，因此可以用一个百分比表示拆分。

让我们以五个相等加权的选择为例， (a:1, b:1, c:1, d:1, e:1)

要创建别名查找：

1. 对权重进行归一化，使其总和为1.0。 (a:0.2 b:0.2 c:0.2 d:0.2 e:0.2) 这是选择每个重量的概率。

2. 找到大于或等于变量数的2的最小乘方，并创建此分区数|p|。每个分区代表的概率质量1/|p|。在这种情况下，我们创建8分区，每个分区都可以包含0.125。

3. 取重量最小的变量，并将其尽可能多的质量放在空的分区中。在此示例中，我们看到a填充第一个分区。 (p1{a|null,1.0},p2,p3,p4,p5,p6,p7,p8)与(a:0.075, b:0.2 c:0.2 d:0.2 e:0.2)

4. 如果未填充分区，请使用权重最大的变量，然后使用该变量填充分区。

重复步骤3和4，直到没有原始分区的权重需要分配给列表。

例如，如果我们运行3和4的另一个迭代，我们将看到

(p1{a|null,1.0},p2{a|b,0.6},p3,p4,p5,p6,p7,p8)与(a:0, b:0.15 c:0.2 d:0.2 e:0.2)左分配

在运行时：

1. 获得一个U(0,1)随机数，例如二进制0.001100000

2. 对它进行位移位lg2(p)，找到索引分区。因此，我们将其移位3，产生001.1或位置1，然后移动分区2。

3. 如果分区是拆分的，则使用移位后的随机数的小数部分确定拆分。在这种情况下，值是0.5和0.5 < 0.6，因此return a。

这是一些代码和另一种解释，但是不幸的是，它没有使用移位技术，也没有实际验证过它。